Tekoäly rintasyövän automaattiseen diagnosointiin (AICAMAMMELLA)
Tutkimus tekoälyn algoritmista digitaalisten tomosynteesin rintakuvien luokittelua varten automaattista rintasyövän diagnosointia varten
Mammografia on kaksiulotteinen kuvantamistekniikka, jossa kudokset menevät päällekkäin projektiivisen kuvan alla; leesion ylä- tai alapuolella oleva tiheä rauhaskudos voi heikentää vaurion näkyvyyttä.
Ongelmana voi olla saadun kuvan tulkinta, joka voi johtaa kyvyttömyyteen visualisoida nyrkkivaiheen syöpää ja todennäköisyyteen, että terveelle henkilölle diagnosoidaan patologia, jota ei ole (väärä positiivinen). Melkein kolmiulotteisen kuvantamisen tekniikka, jota kutsutaan rinnan digitaaliseksi tomosynteesiksi (DBT), voi voittaa useimmat rajoitukset. Viimeisen viiden vuoden aikana tekoälyyn (AI) perustuvia kuva-analyysimenetelmiä on otettu massiivisesti käyttöön myös rintasyövän havaitsemisessa. Tutkimus on tekoälyyn perustuva prospektiivinen havainnointitutkimus, jonka postin tavoitteena on kehittää menetelmä leesion tunnistamiseksi.
Tutkimuksen yleiskatsaus
Tila
Ehdot
Interventio / Hoito
Opintotyyppi
Ilmoittautuminen (Odotettu)
Yhteystiedot ja paikat
Opiskeluyhteys
- Nimi: Valeria Landoni
- Puhelinnumero: +39 06 52665602
- Sähköposti: valeria.landoni@ifo.it
Opiskelupaikat
-
-
-
Napoli, Italia, 80138
- Rekrytointi
- Università Degli Studi Di Napoli Federico Ii
-
Ottaa yhteyttä:
- Giovanni Mettivier
-
Rome, Italia, 00144
- Rekrytointi
- "Regina Elena" National Cancer Institute
-
-
Osallistumiskriteerit
Kelpoisuusvaatimukset
Opintokelpoiset iät
- Aikuinen
- Vanhempi Aikuinen
Hyväksyy terveitä vapaaehtoisia
Näytteenottomenetelmä
Tutkimusväestö
Kuvaus
Sisällyttämiskriteerit:
- Potilaat, jotka hakevat Regina Elenalta diagnostisia mammografiatutkimuksia
- Tietoinen suostumus
Poissulkemiskriteerit:
- proteesien läsnäolo, artefaktit, tutkimuksen tulokset tutkimuksen kohteena olevassa rintojen interventiossa
Opintosuunnitelma
Miten tutkimus on suunniteltu?
Suunnittelun yksityiskohdat
Mitä tutkimuksessa mitataan?
Ensisijaiset tulostoimenpiteet
Tulosmittaus |
Toimenpiteen kuvaus |
Aikaikkuna |
|---|---|---|
|
Tekoälyjärjestelmä leesion havaitsemiseen
Aikaikkuna: 12 kuukautta
|
Leesion havaitseminen perustuu rintojen tiheyteen, tapaustyyppiin, BIRADS-arviointiluokkiin, mammografiseen ulkonäköön, pahanlaatuisten leesioiden kokoon ja patologiseen profiiliin
|
12 kuukautta
|
Yhteistyökumppanit ja tutkijat
Sponsori
Opintojen ennätyspäivät
Opi tärkeimmät päivämäärät
Opiskelun aloitus (Todellinen)
Ensisijainen valmistuminen (Todellinen)
Opintojen valmistuminen (Odotettu)
Opintoihin ilmoittautumispäivät
Ensimmäinen lähetetty
Ensimmäinen toimitettu, joka täytti QC-kriteerit
Ensimmäinen Lähetetty (Todellinen)
Tutkimustietojen päivitykset
Viimeisin päivitys julkaistu (Todellinen)
Viimeisin lähetetty päivitys, joka täytti QC-kriteerit
Viimeksi vahvistettu
Lisää tietoa
Tähän tutkimukseen liittyvät termit
Muita asiaankuuluvia MeSH-ehtoja
Muut tutkimustunnusnumerot
- RS1414/20
Yksittäisten osallistujien tietojen suunnitelma (IPD)
Aiotko jakaa yksittäisten osallistujien tietoja (IPD)?
Lääke- ja laitetiedot, tutkimusasiakirjat
Tutkii yhdysvaltalaista FDA sääntelemää lääkevalmistetta
Tutkii yhdysvaltalaista FDA sääntelemää laitetuotetta
Nämä tiedot haettiin suoraan verkkosivustolta clinicaltrials.gov ilman muutoksia. Jos sinulla on pyyntöjä muuttaa, poistaa tai päivittää tutkimustietojasi, ota yhteyttä register@clinicaltrials.gov. Heti kun muutos on otettu käyttöön osoitteessa clinicaltrials.gov, se päivitetään automaattisesti myös verkkosivustollemme .